如何在cnn + ctc网络中使用tf.nn.ctc_loss

Question

最近，我尝试使用tensorflow在文章Towards End-to-End Speech Recognition with Deep Convolutional Neural Networks上实现cnn + ctc网络。

我尝试将批量谱图数据（形状：（10,120,155,3），batch_size为10）输入10个卷积层和3个完全连接的层。因此连接ctc层之前的输出是2d数据（形状：（10,1024））。

这是我的问题：我想在tensorflow库中使用tf.nn.ctc_loss函数，但是它会生成 ValueError：Dimension必须为2，但是对于＆＃39; transpose＆＃39;（op： ＆＃39; Transpose＆＃39;）输入形状：[？，1024]，[3] 。

我猜这个错误与我的2d输入数据的维度有关。在tensorflow官方网站中描述ctc_loss函数需要一个带有形状的3d输入（batch_size x max_time x num_classes）。

那么，＆＃39; num_classes＆＃39;的额外维度是什么？ ？我该怎么改变我的cnn + fc输出数据的形状？

Answer 1

每个时间步应应用完全连接的层。 这就像在递归神经网络中每个时间步长应用相同的密集层。 对于卷积层的输出，时间步长是宽度。

例如，输出形状为：

1. 卷积：（10,120,155,3）=（批次，高度，宽度，通道）
2. flatten：（10,155,120 * 3）=（batch，max_time，features）
3. 完全连接：（10,155,1024），（每个时间步长应用相同的密集层）
4. （10,155，num_classes）

预计在tensorflow中ctc_loss的形状。